加载数据
import numpy as np
import pandas as pd
data = pd.read_csv('iris.csv')
# 去掉不需要的ID列
data.drop('ID',axis=1,inplace=True)
# 删除重复记录
data.drop_duplicates(inplace=True)
#
# 进行映射
de = data['Species'].drop_duplicates()
# print(de)
# setosa virginica versicolor
data['Species'] = data['Species'].map({'setosa':0,'versicolor':1,'virginica':2})
# 只选取类别为0 1 的莺尾花数据 进行逻辑回归的二分类
data = data[data['Species'] != 2]
# print(len(data))
逻辑回归类
class LogisticRegression:
# 实现逻辑回归
def __init__(self,alpha,times):
# 初始化方法
# 参数: alpha :float 学习率
# times : int 迭代次数
self.alpha = alpha
self.times = times
def sigmoid(self,z):
# sigmoid函数的实现
# 参数: x : float 自变量 值为x = w.T * x
# return p (概率0-1): 返回样本属于类别1的概率值,用来作为结果的预测
# 当x>= 0.5 (Z>=0)时 判定为类别1 否则判定为类别0
return 1.0 / (1.0 + np.exp(-z))
def fit(self,X,y):
# 根据提供的训练数据 对模型进行训练
# 参数 : X : 类数组类型 形状[样本数量,特征数量] 待训练的样本特征属性
# y : 类数组类型 形状为:[样本数量] 每个样本的目标值 (标签)
X = np.asarray(X)
y = np.asarray(y)
# 创建 权重的向量 初始值为0 长度比特征数多1 (多出来一个是截距)
self.w_ = np.zeros(1 + X.shape[1])
# 创建损失列表 用来保存每次迭代后的损失值
self.loss_ = []
for i in range(self.times):
z = np.dot(X,self.w_[1:] + self.w_[0])
# 计算概率值(结果判定为1)
p = self.sigmoid(z)
# 根据逻辑回归的代价函数(目标函数)J(W)=-sum(yi * log(s(zi)) + (1-yi) * log(1-s(zi)))
cost = -np.sum(y * np.log(p) + (1-y) * np.log(1-p))
self.loss_.append(cost)
# 调整权重值 : 根据公式 : 权重(j列) = 权重(j列)+ 学习率*sum(y-s(z))*x(j))
self.w_[0] += self.alpha * np.sum(y-p)
self.w_[1:] += self.alpha * np.dot(X.T,y-p)
def predict_proba(self,X):
# 根据参数传递的样本,对样本数据进行预测
# 参数 : X : 类数组类型 形状[样本数量,特征数量] 待训练的样本特征属性
# return : 数组类型 预测结果(概率值)
X = np.asarray(X)
z = np.dot(X,self.w_[1:] + self.w_[0])
p = self.sigmoid(z)
# 将预测数据 变成二维数组(结构) 便于后续的拼接
p = p.reshape(-1,1)
# 将两个数组进行拼接 方向为横向拼接
return np.concatenate([1-p,p],axis=1)
def predict(self,X):
# 根据参数传递样本 对样本数据进行预测
# 参数 X: 类数组类型 形状[样本数量,特征数量] 待训练的样本特征属性
# # return : 数组类型 预测结果(分类值)
return np.argmax(self.predict_proba(X),axis=1)
数据训练和测试
t1 = data[data['Species'] == 0]
t2 = data[data['Species'] == 1]
t1 = t1.sample(len(t1),random_state=0)
t2 = t2.sample(len(t2),random_state=0)
train_X = pd.concat([t1.iloc[:40,:-1],t2.iloc[:40,:-1]],axis =0 )
train_y = pd.concat([t1.iloc[:40,-1],t2.iloc[:40,-1]],axis =0 )
test_X = pd.concat([t1.iloc[40:,:-1],t2.iloc[40:,:-1]],axis =0 )
test_y = pd.concat([t1.iloc[40:,-1],t2.iloc[40:,-1]],axis =0 )
# 莺尾花的特征列 数以一个数量级 可以不用标准化处理
lr = LogisticRegression(alpha=0.01,times=20)
lr.fit(train_X,train_y)
# 预测的概率值
# print(lr.predict_proba(test_X))
# 预测的分类值
# print()
# 计算准确性
result = lr.predict_proba(test_X)
# print(np.sum(result == test_y))
print(np.sum((result == test_y)/len(test_y)))
可视化
# 可视化
import matplotlib as mpl
import matplotlib.pyplot as plt
# 设置中文显示
mpl.rcParams['font.family'] = "SimHei"
# 设置负号显示
mpl.rcParams['axes.unicode_minus'] = False
# 绘制预测值
plt.plot(result,'ro',ms=15,label='预测值')
# 绘制真实值
plt.plot(test_y.values,'go',ms=5,label='真实值')
plt.title("逻辑回归")
plt.xlabel("样本序号")
plt.ylabel('类别')
plt.legend()
plt.show()
# 绘制目标函数损失值
plt.plot(range(1,lr.times+1),lr.loss_,'go-')
plt.show()